Zadorozhniuk, R.
(2023).
UAV data collection parameters impact on accuracy of Scots pine stand mensuration.
Ukrainian Journal of Forest and Wood Science,
14(1),
39-54.
https://doi.org/10.31548/forest/1.2023.39
Широкий спектр систем БПЛА, що застосовуються для досліджень лісів, потребують уніфікації підходів до збору даних Метою дослідження було визначення оптимальних параметрів збору даних з БПЛА для отримання точної інформації про деревостани з урахуванням витрат ресурсів на її збір. Процес збору даних дистанційної зйомки складався з дев’яти комбінацій, що розділені на три рівні перекриття та три рівні просторового розрізнення (висоти зйомки), та зміною ступеня фільтрації щільної хмари точок під час обробки зображень. Дешифрування дерев у деревостані виконано із застосуванням мови програмування R та пакету «ForestTools». Використано результати оцінювання залежності радіусу крон дерев від їхньої висоти для встановлення параметрів функції змінного фільтру пошуку локальних максимумів для деревостанів сосни звичайної. Похибки ідентифікації верхівок оцінювались із застосуванням показнику F–score. Встановлені висоти порівнювались з польовими даними наземної таксації. Частка класифікованого рельєфу у щільній хмарі точок зменшувалась від загальної площі полігону з використанням зображень просторового розрізнення 4,1 см/пікс (висота зйомки 150 м). У роботі представлено результати оцінювання впливу просторового розрізнення оптичних зображень зібраних з БПЛА та їхнього перекриття на результати визначення таксаційних показників деревостанів. Визначено, що фотограмметричну зйомку з вхідними зображеннями з повздовжнім перекриттям меншим 90 % не доцільно застосувати для дослідження лісових ділянок за рахунок неможливості вирівнювання всіх зображень. Результати оцінки обліку дерев у деревостані показали, що найбільш доцільно застосовувати зображення із просторовим розрізненням до 3,3 см/пікс (висота зйомки 120 м), в іншому випадку збільшується частка пропущених верхівок дерев. Зменшення просторового розрізнення даних дистанційної зйомки призводить до збільшення похибок у визначенні висоти окремих дерев, встановлені середні висоти дослідних ділянок мали таку ж тенденцію. Зважаючи на сукупність оцінених факторів застосування зображень із просторовим розрізненням понад 3,3 см/пікс не рекомендовано використовувати для досліджень лісових насаджень у зв’язку зі збільшення похибок дешифрування верхівок та встановлення висоти дерев. Отримані результати можна застосовувати для підбору параметрів збору даних під час досліджень деревостанів сосни звичайної, зокрема для оцінки показників їхнього запасу та фітомаси.
фотограмметрія, цифрова модель навісу, дешифрування, визначення висоти, цифрова модель рельєфу
[1] Bilous, A.M., Diachuk, P.P., Zadorozhniuk, R.M., Matsala, M.S., & Burianchuk, M.M. (2021). Accuracy of selected methods of measurement of tree heights. Ukrainian Journal of Forest and Wood Science, 12(1), 6-16. doi: 10.31548/forest2021.01.001.
[2] Duncanson, L.I., Cook, B.D., Hurtt, G.C., & Dubayah, R.O. (2014). An efficient, multi-layered crown delineation algorithm for mapping individual tree structure across multiple ecosystems. Remote Sensing of Environment, 154, 378-386. doi: 10.1016/j.rse.2013.07.044.
[3] Ferraz, A., Bretar, F., Jacquemoud, S., Gonçalves, G., Pereira, L., Tomé, M., & Soares, P. (2012). 3-D mapping of a multi-layered Mediterranean forest using ALS data. Remote Sensing of Environment, 121, 210-223. doi: 10.1016/j.rse.2012.01.020.
[4] Graham, A.N.V., Coops, N.C., Tompalski, P., Plowright, A., & Wilcox, M. (2020). Effect of ground surface interpolation methods on the accuracy of forest attribute modelling using unmanned aerial systems-based digital aerial photogrammetry. International Journal of Remote Sensing, 41(9), 3287-3306. doi: 10.1080/01431161.2019.1694722.
[5] Guimarães, N., Pádua, L., Marques, P., Silva, N., Peres, E., & Sousa, J.J. (2020). Forestry remote sensing from unmanned aerial vehicles: A review focusing on the data, processing and potentialities. Remote Sensing, 12(6), article number 1046. doi: 10.3390/rs12061046.
[6] Heurich, M. (2008). Automatic recognition and measurement of single trees based on data from airborne laser scanning over the richly structured natural forests of the Bavarian Forest National Park. Forest Ecology and Management, 255(7), 241-2433. doi: 10.1016/j.foreco.2008.01.022.
[7] Holiaka, D., Kato, H., Yoschenko, V., Onda, Y., Igarashi, Y., Nanba, K., Diachuk, P., Holiaka, M., Zadorozhniuk, R., Kashparov, V., & Chyzhevskyi, I. (2021). Scots pine stands biomass assessment using 3D data from unmanned aerial vehicle imagery in the Chernobyl Exclusion Zone. Journal of Environmental Management, 295, article number 113319. doi: 10.1016/j.jenvman.2021.113319.
[8] Kameyama, S., & Sugiura, K. (2021). Effects of differences in structure from motion software on image processing of unmanned aerial vehicle photography and estimation of crown area and tree height in forests. Remote Sensing, 13(4), article number 626. doi: 10.3390/rs13040626.
[9] Korpela, I. (2004). Individual tree measurements by means of digital aerial photogrammetry. Tampere: The Finnish Society. of Forest Science. doi: 10.14214/sf.sfm3.
[10] Lin, L., Hao, Z., Post, C. J., & Mikhailova, E. A. (2023). Protection of coastal shelter forests using uavs: individual tree and tree-height detection in Casuarina equisetifolia L. forests. Forests, 14(2), article number 233. doi: 10.3390/f14020233.
[11] Ma, K., Chen, Z., Fu, L., Tian, W., Jiang, F., Yi, J., Du, Z., & Sun, H. (2022). Performance and sensitivity of individual tree segmentation methods for UAV-LiDAR in multiple forest types. Remote Sensing, 14(2), article number 298. doi: 10.3390/rs14020298.
[12] Maxwell, A.E., Warner, T.A., & Guillén, L.A. (2021). Accuracy assessment in convolutional neural network-based deep learning remote sensing studies – Part 1: Literature review. Remote Sensing, 13(13), article number 2450. doi: 10.3390/rs13132450.
[13] McRoberts, R.E., & Tomppo, E. (2007). Remote sensing support for national forest inventories. Remote Sensing of Environment, 110(4), 412-419. doi: 10.1016/j.rse.2006.09.034.
[14] Mensuration description of forest land plots, Kyiv region, State Specialized Enterprise “Pivnichna Pushcha”, Paryshiv forestry (2017). Irpin: Ukrainian State Project Forest Management Production Association VO “Ukrderzhlisproekt”.
[15] Mohan, M., Leite, R.V., Broadbent, E.N., Wan Mohd Jaafar, W.S., Srinivasan, S., Bajaj, S., Dalla Corte, A. P., do Amaral, C. H., Gopan, G., Saad, S. N. M., Muhmad Kamarulzaman, A. M., Prata, G. A., Llewelyn, E., Johnson, D. J., Doaemo, W., Bohlman, S., Almeyda Zambrano, A. M., & Cardil, A. (2021). Individual tree detection using UAV-lidar and UAV-SfM data: A tutorial for beginners. Open Geosciences, 13(1), 1028-1039. doi: 10.1515/geo-2020-0290.
[16] Mohan, M., Silva, C., Klauberg, C., Jat, P., Catts, G., Cardil, A., Hudak, A., & Dia, M. (2017). Individual tree detection from unmanned aerial vehicle (UAV) derived canopy height model in an open canopy mixed conifer forest. Forests, 8(9), article number 340. doi: 10.3390/f8090340.
[17] Myroniuk, V., Bell, D.M., Gregory, M.J., Vasylyshyn, R., & Bilous, A. (2022). Uncovering forest dynamics using historical forest inventory data and Landsat time series. Forest Ecology and Management, 513, article number 120184. doi: 10.1016/j.foreco.2022.120184.
[18] Ota, T., Ogawa, M., Mizoue, N., Fukumoto, K., & Yoshida, S. (2017). Forest structure estimation from a UAV-based photogrammetric point cloud in managed temperate coniferous forests. Forests, 8(9), article number 343. doi: 10.3390/f8090343.
[19] Ottoy, S., Tziolas, N., Van Meerbeek, K., Aravidis, I., Tilkin, S., Sismanis, M., Stavrakoudis, D., Gitas, I. Z., Zalidis, G., & De Vocht, A. (2022). Effects of flight and smoothing parameters on the detection of taxus and olive trees with UAV-borne imagery. Drones, 6(8), article number 197. doi: 10.3390/drones6080197.
[20] Pádua, L., Vanko, J., Hruška, J., Adão, T., Sousa, J.J., Peres, E., & Morais, R. (2017). UAS, sensors, and data processing in agroforestry: A review towards practical applications. International Journal of Remote Sensing, 38(8-10). doi: 10.1080/01431161.2017.1297548.
[21] Plowright, A. (2020). Canopy analysis in R using Forest Tools. Retrieved from https://cran.r-project.org/web/packages/ForestTools/vignettes/treetop_analysis.html.
[22] Popescu, S.C., & Wynne, R.H. (2004). Seeing the trees in the forest. Photogrammetric Engineering & Remote Sensing, 70(5), 589-604. doi: 10.14358/PERS.70.5.589.
[23] Silva, C.A., Hudak, A.T., Vierling, L.A., Valbuena, R., Cardil, A., Mohan, M., Almeida, D.R.A., Broadbent, E.N., Almeyda Zambrano, A.M., Wilkinson, B., Sharma, A., Drake, J.B., Medley, P.B., Vogel, J.G., Prata, G.A., Atkins, J.W., Hamamura, C., Johnson, D.J., & Klauberg, C. (2022). TREETOP: A Shiny‐based application and R package for extracting forest information from LIDAR data for ecologists and conservationists. Methods in Ecology and Evolution, 13(6), 1164-1176. doi: 10.1111/2041-210X.13830.
[24] Stereńczak, K., Kraszewski, B., Mielcarek, M., Piasecka, Ż., Lisiewicz, M., & Heurich, M. (2020). Mapping individual trees with airborne laser scanning data in an European lowland forest using a self-calibration algorithm. International Journal of Applied Earth Observation and Geoinformation, 93, article number 102191. doi: 10.1016/j.jag.2020.102191.
[25] Su, H., Shen, W., Wang, J., Ali, A., & Li, M. (2020). Machine learning and geostatistical approaches for estimating aboveground biomass in Chinese subtropical forests. Forest Ecosystems, 7(1), article number 64. doi: 10.1186/s40663-020-00276-7.
[26] Torres-Sánchez, J., López-Granados, F., Borra-Serrano, I., & Peña, J.M. (2018). Assessing UAV-collected image overlap influence on computation time and digital surface model accuracy in olive orchards. Precision Agriculture, 19(1), 115-133. doi: 10.1007/s11119-017-9502-0.
[27] Westoby, M.J., Brasington, J., Glasser, N.F., Hambrey, M.J., & Reynolds, J.M. (2012). ‘Structure-from-Motion’ photogrammetry: A low-cost, effective tool for geoscience applications. Geomorphology, 179, 300-314. doi: 10.1016/j.geomorph.2012.08.021.
[28] White, J.C., Coops, N.C., Wulder, M.A., Vastaranta, M., Hilker, T., & Tompalski, P. (2016). Remote sensing technologies for enhancing forest inventories: A review. Canadian Journal of Remote Sensing, 42(5), 619-641. doi: 10.1080/07038992.2016.1207484.